深度学习在生物医药领域中的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量
6821	2025-02-13	Translational Informatics Driven Drug Repositioning for Neurodegenerative Disease 2025-Feb-06, Current neuropharmacology IF:4.8Q1 DOI:10.2174/011570159X327908241121062335 PMID:39936420	综述	本文通过转化信息学的视角，全面探讨了神经退行性疾病的药物重新定位，包括数据来源、计算模型和临床应用	利用人工智能和医疗数据的快速发展，提出了一种创新的、数据驱动的药物重新定位方法，为神经退行性疾病的治疗提供了新的途径	本文主要集中于理论和方法论的探讨，缺乏具体的实验验证和临床数据支持	开发适用于神经退行性疾病的有效治疗干预措施	神经退行性疾病	转化信息学	神经退行性疾病	人工智能、机器学习、深度学习、网络分析方法	机器学习、深度学习、网络模型	医疗数据	NA
6822	2025-02-13	Quantifying multilabeled brain cells in the whole prefrontal cortex reveals reduced inhibitory and a subtype of excitatory neuronal marker expression in serotonin transporter knockout rats 2025-Feb-05, Cerebral cortex (New York, N.Y. : 1991) DOI:10.1093/cercor/bhae486 PMID:39932853	研究论文	本文介绍了一种新方法，用于量化动物模型中全脑亚区域的多标记细胞，并展示了5-HTT敲除大鼠前额叶皮层亚区域中兴奋性和抑制性神经元标记表达的减少	结合StarDist深度学习方法与新型开源方法，实现了前额叶皮层亚区域中细胞的自动计数，揭示了5-HTT敲除大鼠中特定兴奋性和抑制性神经元标记表达的减少	研究结果受限于脑部表示和细胞分割的局限性，标准免疫组化方法无法考虑感兴趣区域的体积变化	研究5-HTT敲除大鼠前额叶皮层中亚区域兴奋性和抑制性神经元标记表达的变化	5-HTT敲除大鼠	数字病理学	焦虑症	StarDist深度学习方法	深度学习网络	图像	5-HTT敲除大鼠和野生型大鼠
6823	2025-02-13	High-content imaging and deep learning-driven detection of infectious bacteria in wounds 2025-Feb, Bioprocess and biosystems engineering IF:3.5Q2 DOI:10.1007/s00449-024-03110-4 PMID:39621107	研究论文	本文介绍了一种基于深度学习的框架，用于快速准确地检测和分类伤口中的四种常见细菌	利用预训练的ResNet50深度学习架构，结合高内涵成像技术，显著缩短了细菌检测时间，并提供了关键特征的可视化	研究主要基于体外和小鼠伤口样本，尚未在人类临床环境中进行大规模验证	开发一种快速、准确的细菌检测方法，以改善伤口感染的临床治疗	伤口中的四种常见细菌：鲍曼不动杆菌（AB）、大肠杆菌（EC）、铜绿假单胞菌（PA）和金黄色葡萄球菌（SA）	计算机视觉	伤口感染	高内涵成像	ResNet50	图像	体外样本和小鼠伤口样本
6824	2025-02-13	Deep Learning-Enabled STEM Imaging for Precise Single-Molecule Identification in Zeolite Structures 2025-Feb, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202408629 PMID:39703985	研究论文	本文开发了一种深度学习框架，用于在低剂量条件下进行集成差分相位对比扫描透射电子显微镜（iDPC-STEM）成像，以精确捕捉沸石结构中的单分子行为	提出了一种名为DIVAESR的去噪超分辨率模型，有效减少了散粒噪声，从而获得更清晰的原子分辨率iDPC-STEM图像，并支持高级单分子检测和分析	测试主要基于合成数据集，虽然展示了在真实iDPC-STEM图像上的应用潜力，但仍需进一步验证其在实际复杂环境中的表现	开发深度学习框架以提升iDPC-STEM成像质量，用于精确捕捉和分析沸石结构中的单分子行为	沸石结构中的单分子行为	计算机视觉	NA	集成差分相位对比扫描透射电子显微镜（iDPC-STEM）	DIVAESR（去噪推理变分自编码器超分辨率模型）	图像	合成数据集和真实iDPC-STEM图像
6825	2025-02-13	Tumour purity assessment with deep learning in colorectal cancer and impact on molecular analysis 2025-Feb, The Journal of pathology IF:5.6Q1 DOI:10.1002/path.6376 PMID:39710952	研究论文	本文探讨了使用深度学习模型SoftCTM在结直肠癌中评估肿瘤纯度的有效性及其对分子分析的影响	提出了一个开源的多器官深度学习模型SoftCTM，用于在H&E染色切片中检测肿瘤和非肿瘤细胞，并展示了其在肿瘤纯度评估中的高重复性和准确性	尽管SoftCTM在技术重复性和准确性上表现出色，但其在更广泛临床环境中的应用仍需进一步验证	比较和验证SoftCTM在结直肠癌肿瘤纯度评估中的效用和准确性，以改进下游分子分析	结直肠癌患者的数字病理和多组学数据	数字病理	结直肠癌	深度学习	SoftCTM	图像	1,097名患者
6826	2025-02-13	Vibrational fiber photometry: label-free and reporter-free minimally invasive Raman spectroscopy deep in the mouse brain 2025-Feb, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02557-3 PMID:39741190	研究论文	本文介绍了一种名为振动光纤光度法的低侵入性方法，用于通过自发拉曼光谱无标记监测小鼠大脑任意深度区域的生物分子含量	开发了振动光纤光度法，结合深度学习算法抑制探针背景，实现了对小鼠大脑深层区域的无标记生物分子监测	该方法目前仅在小鼠模型中进行验证，尚未应用于人类或其他动物模型	开发一种无标记、低侵入性的技术，用于监测大脑发育、衰老或疾病过程中的生物分子变化	小鼠大脑	神经科学	脑损伤、脑转移	自发拉曼光谱	深度学习算法	光谱数据	小鼠大脑样本
6827	2025-02-13	A Serial MRI-based Deep Learning Model to Predict Survival in Patients with Locoregionally Advanced Nasopharyngeal Carcinoma 2025-Feb, Radiology. Artificial intelligence DOI:10.1148/ryai.230544 PMID:39812582	研究论文	本研究开发并评估了一种基于深度学习的预后模型，用于预测局部晚期鼻咽癌（LA-NPC）患者在诱导化疗前后的生存率	使用序列MRI和临床因素结合图卷积神经网络开发了一种新的预后模型，显著提高了预测疾病无进展生存期的准确性	研究为回顾性研究，可能存在选择偏差，且样本量虽大但仅限于特定时间段内的患者	开发并验证一种基于深度学习的预后模型，以预测局部晚期鼻咽癌患者的生存率	1039名局部晚期鼻咽癌患者	数字病理	鼻咽癌	MRI	图卷积神经网络	图像	1039名患者（779名男性，260名女性）
6828	2025-02-13	Mapping the topography of spatial gene expression with interpretable deep learning 2025-Feb, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02503-3 PMID:39849132	研究论文	本文提出了一种名为GASTON的无监督深度学习算法，用于解析空间转录组数据中的基因表达模式	开发了GASTON算法，能够同时学习等深度、空间梯度和分段线性表达函数，以模拟基因表达的连续梯度和不连续变化	未明确提及具体局限性	解析空间转录组数据中的基因表达模式	组织切片中的基因表达数据	机器学习	NA	空间转录组技术	深度学习	基因表达数据	多个组织样本
6829	2025-02-13	Semi-supervised learning-based identification of the attachment between sludge and microparticles in wastewater treatment 2025-Feb, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.124268 PMID:39889421	研究论文	本文提出了一种基于半监督学习的方法，用于识别废水处理系统中污泥与微粒之间的附着情况	采用基于SimCLR的半监督学习方法，结合预训练的ResNet50和Mask R-CNN架构，显著提高了在有限标注数据情况下的检测精度	需要一定量的未标注数据进行预训练，且标注数据量较少时性能提升有限	提高废水处理系统中微粒转移过程的监测精度	废水处理系统中的污泥和微粒	计算机视觉	NA	半监督学习（SSL），SimCLR，Mask R-CNN	ResNet50，Mask R-CNN	图像	1000张未标注图像，约200张标注图像（包含约600个标注微粒）
6830	2025-02-13	Integrating deep learning algorithms for forecasting evapotranspiration and assessing crop water stress in agricultural water management 2025-Feb, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.124363 PMID:39889430	研究论文	本研究旨在通过先进的深度学习技术提高蒸散发（ET）、潜在蒸散发（PET）和作物水分胁迫指数（CWSI）的预测精度，以优化农业水资源管理	结合高分辨率气候数据和四种共享社会经济路径（SSPs），采用多种深度学习模型（FFNNs、CNNs、GRUs、LSTMs）进行预测，显著提高了预测精度	研究主要针对孟加拉国，可能在其他地区的适用性有限	开发先进的预测模型以优化农业水资源管理	蒸散发（ET）、潜在蒸散发（PET）和作物水分胁迫指数（CWSI）	机器学习	NA	深度学习	FFNNs、CNNs、GRUs、LSTMs	气候数据	NA
6831	2025-02-13	DOGpred: A Novel Deep Learning Framework for Accurate Identification of Human O-linked Threonine Glycosylation Sites 2025-Feb-01, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2025.168977 PMID:39900285	研究论文	本研究开发了一种名为DOGpred的深度学习框架，用于准确识别人体O-连接苏氨酸糖基化位点	DOGpred结合了堆叠的1D CNN和基于注意力的RNN模块，通过交叉注意力特征融合生成高级特征表示，显著优于现有的单特征模型和最先进的方法	未提及具体局限性	开发计算工具以预测O-连接苏氨酸糖基化位点，补充实验方法，增强对OTG失调在疾病中作用的理解	人体O-连接苏氨酸糖基化位点	机器学习	NA	深度学习	CNN, RNN	蛋白质序列数据	未提及具体样本数量
6832	2025-02-13	Deep learning and generative artificial intelligence in aging research and healthy longevity medicine 2025-Jan-16, Aging DOI:10.18632/aging.206190 PMID:39836094	review	本文探讨了深度学习和生成式人工智能在衰老研究和健康长寿医学中的应用，包括生物标志物发现、深度衰老时钟开发、老年保护剂识别以及针对衰老和疾病的双重用途治疗药物的生成	本文创新性地探讨了生成式人工智能在衰老研究和健康长寿医学中的多模态、多任务研究系统的应用，并展望了未来的发展方向	本文为综述文章，未涉及具体实验数据或模型验证，因此无法评估其实际应用效果	研究深度学习和生成式人工智能在衰老研究和健康长寿医学中的应用，以延长健康寿命	人类和动物的衰老研究以及健康长寿医学的临床应用	machine learning	geriatric disease	NA	Deep Learning, Generative Artificial Intelligence	multimodal data	NA
6833	2025-02-13	Foundation models in ophthalmology: opportunities and challenges 2025-Jan-01, Current opinion in ophthalmology IF:3.0Q1 DOI:10.1097/ICU.0000000000001091 PMID:39329204	综述	本文探讨了眼科领域基础模型的机遇与挑战，特别是RETFound模型和大型语言模型（如GPT-4和Gemini）在医疗专业化中的应用	RETFound模型在特定任务上优于传统深度学习模型，且仅需在小数据集上进行微调；大型语言模型如Med-Gemini和Medprompt GPT-4在眼科任务中表现优于现成模型	眼科领域缺乏多模态模型，主要由于训练这些模型需要大量计算资源，且高质量眼科数据集有限	探讨眼科领域基础模型的进一步发展和应用	眼科领域的基础模型和大型语言模型	自然语言处理	眼科疾病	NA	RETFound, GPT-4, Gemini	文本, 图像	NA
6834	2025-02-13	Deep learning CT image restoration using system blur and noise models 2025-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.1.014003 PMID:39906485	研究论文	本文提出了一种结合系统模糊和噪声模型的深度学习CT图像恢复方法	该方法不仅利用退化的图像输入，还结合了系统的模糊和噪声特性，通过输入变异和权重变异两种方法将辅助输入整合到卷积神经网络中	当模糊和噪声参数偏离其真实值时，模型的鲁棒性可能有限	提高CT图像恢复的质量	受模糊和噪声影响的CT图像	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像	NA
6835	2025-02-13	Enhancing machine learning performance in cardiac surgery ICU: Hyperparameter optimization with metaheuristic algorithm 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0311250 PMID:39928609	研究论文	本研究通过元启发式算法优化机器学习模型的超参数，以提高心脏手术ICU中患者通气需求的预测性能	结合模拟退火（SA）和遗传算法（GA）优化机器学习模型的超参数，显著提升了集成模型的敏感性	研究仅针对心脏手术ICU的患者通气需求，未涉及其他类型的ICU或医疗场景	优化机器学习模型以优先确定ICU患者对呼吸机的需求	心脏手术ICU患者	机器学习	心血管疾病	模拟退火（SA）、遗传算法（GA）	LDA、CatBoost、ANN、XGBoost	医疗数据	NA
6836	2025-02-13	Quantitative research on aesthetic value of the world heritage karst based on UGC data: A case study of Huangguoshu Scenic Area 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317304 PMID:39928674	研究论文	本文基于UGC数据和深度学习模型，对世界自然遗产喀斯特景观的美学价值进行定量研究，以黄果树风景区为例	首次结合UGC数据和深度学习模型（SegFormer）进行自然景观美学价值评估，突破了传统主观评估的时空限制	研究仅针对黄果树风景区，可能无法完全代表其他世界遗产地的美学价值	量化评估世界自然遗产喀斯特景观的美学价值	黄果树风景区的自然景观	自然语言处理	NA	深度学习、ArcGIS空间分析、自然语言处理技术（NLP）	SegFormer	图像、文本	NA
6837	2025-02-13	Deep Learning-Based Detection of Malignant Bile Duct Stenosis in Fluoroscopy Images of Endoscopic Retrograde Cholangiopancreatography 2024-Dec-13, Digestion IF:3.0Q2 DOI:10.1159/000543049 PMID:39675349	研究论文	本研究探讨了使用深度学习技术在内镜逆行胰胆管造影（ERCP）的透视图像中区分良恶性胆管狭窄的可行性	首次将卷积神经网络应用于ERCP透视图像，以提高恶性胆管狭窄的诊断准确性和可重复性	研究为回顾性设计，需要在前瞻性研究中进一步验证	提高恶性胆管狭窄的诊断准确性	接受ERCP的成年患者	计算机视觉	胆管狭窄	深度学习	卷积神经网络（CNN）	图像	251名来自德国三个大学中心的患者
6838	2025-02-13	iGTP: Learning interpretable cellular embedding for inferring biological mechanisms underlying single-cell transcriptomics 2024-Nov-25, medRxiv : the preprint server for health sciences DOI:10.1101/2024.03.29.24305092 PMID:39649598	研究论文	本文介绍了一种名为iGTP的新型可解释生成转录程序框架，用于从单细胞转录组数据中推断生物学机制	iGTP框架能够建模转录程序空间和蛋白质-蛋白质相互作用的重要性，并通过整合图神经网络框架有效推断细胞对扰动的响应	未明确提及具体限制	开发一种能够从单细胞转录组数据中推断生物学机制的可解释深度学习模型	单细胞转录组数据	生物信息学	NA	单细胞转录组测序	变分自编码器（VAE）、图神经网络（GNN）	单细胞转录组数据	未明确提及具体样本数量
6839	2025-02-13	Introducing TEC-LncMir for prediction of lncRNA-miRNA interactions through deep learning of RNA sequences 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf046 PMID:39927859	研究论文	本文介绍了TEC-LncMir，一种利用Transformer编码器和卷积神经网络（CNN）预测lncRNA-miRNA相互作用的新方法	TEC-LncMir将lncRNA和miRNA序列视为自然语言，使用Transformer编码器进行编码，并结合CNN提取特征，显著提升了lncRNA-miRNA相互作用的预测性能	NA	提升lncRNA-miRNA相互作用预测的性能	lncRNA和miRNA序列	自然语言处理	阿尔茨海默病	深度学习方法	Transformer Encoder, CNN	RNA序列	大规模训练数据集
6840	2025-02-13	Artificial Intelligence to Facilitate Clinical Trial Recruitment in Age-Related Macular Degeneration 2024 Nov-Dec, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100566 PMID:39139546	研究论文	本研究探讨了人工智能（AI）在地理萎缩（GA）临床试验招募中的应用，通过深度学习模型分析OCT扫描图像，提高患者筛选的效率和准确性	利用AI生成的视网膜组织分割技术，结合传统电子健康记录（EHR）搜索，显著提高了临床试验招募的精确度和效率	研究依赖于单一机构的回顾性数据，可能限制了结果的普遍适用性	探索AI在GA临床试验招募中的应用，提高患者筛选的效率和准确性	306,651名疑似视网膜疾病患者（602,826只眼睛）的OCT成像数据	数字病理学	老年性黄斑变性	OCT成像，深度学习	深度学习模型	图像	306,651名患者（602,826只眼睛）